さまざまな種類の商品 (動きの速い食料品から動きの少ない電化製品まで) を扱うスーパーマーケット向けのレコメンデーション システムを構築しようとしています。より頻繁に大量に購入されるアイテムもあれば、一度しか購入されないアイテムもあります。
100 以上の部門の 30,000 以上の SKU にわたる 25,000 以上の顧客からの 4 か月間の購入履歴データがあります。推奨事項を生成するために、Spark で ALS-WR を実行しました。驚いたことに、お客様ごとに上位 15 の推奨事項が寄せられており、バリエーションはほとんどありません。
推奨事項を以下のように多様化するために、いくつかの手段を
試し
まし
た
。パラメーターの組み合わせに従って使用されます - ラムダ = 0.01 から 300、アルファ = 5 から 50、ランク = 10、20、30 および反復回数 = 10、20
- 考慮される優先度は明示的です。
ALS はこのような異種データに使用できると思いますか? はいの場合、レコメンデーションを多様化し、パーソナライズするためにどのような変更を加えますか?